تبدیل نیروهای تازه‌کار به پرستار هوش مصنوعی؛ زنگ خطری جدی برای آینده شغلی جوانان

یکی از روندهای نوظهور در بازار کار مدرن، گماشتن نیروهای تازه‌کار در موقعیت‌های شغلی است که وظیفه اصلی آن‌ها مراقبت و اصطلاحاً «پرستاری هوش مصنوعی» است. سازوکار این پدیده کاملاً مشخص است: یک شرکت سیستمی مبتنی بر هوش مصنوعی مولد امروزی و مدل‌های بزرگ زبانی (LLM) مانند ChatGPT، Claude، Grok، Gemini یا Copilot پیاده‌سازی می‌کند. سیستم هوش مصنوعی بخش اعظم وظیفه‌ای را که برای آن طراحی شده انجام می‌دهد، اما در برخی مواقع دچار توهم می‌شود یا با خطاها و اشکالات مقطعی مواجه می‌گردد که باید اصلاح شوند.

در این نقطه است که پای نیروی تازه‌کار به میان می‌آید. یک کارمند سطح مبتدی، نیروی کار نسبتاً ارزانی به شمار می‌رود؛ علاوه بر این، اگر صرفاً قرار باشد نقش ناظر سیستم را ایفا کند، به آموزش چندانی هم نیاز ندارد و تنها قضاوت انسانی او کفایت می‌کند. در نتیجه، از نگاه شرکت‌ها یک ترکیب بی‌نقص شکل می‌گیرد: استخدام نیروهای تازه‌کار برای پرستاری از هوش مصنوعی. چنین کارمندی در بیشتر ساعات کاری، کاری جز بررسی ورودی‌ها و بازبینی مجدد خروجی‌های هوش مصنوعی انجام نمی‌دهد. شاید در نگاه اول ایجاد اشتغال برای جوانان تحسین‌برانگیز به نظر برسد، اما واقعیت نگران‌کننده این است که فرد عملاً هیچ مهارت جدیدی یاد نمی‌گیرد، پیشرفت شغلی چندانی تجربه نمی‌کند و به محض آنکه هوش مصنوعی بی‌نقص شود و دیگر نیازی به مراقب انسانی نداشته باشد، موقعیت شغلی او از میان خواهد رفت. باید به شکلی جدی نگران تأثیر این روند بر نسل جوانی باشیم که به بازار کار وارد می‌شوند و با آینده‌ای مبهم روبه‌رو هستند.

مشاغل سنتی برای نیروهای رده ورودی

در گذشته، یک نیروی کار تازه‌کار دوران کارآموزی را سپری می‌کرد؛ با مهارت‌هایی اندک کار خود را آغاز می‌کرد و به‌مرور زمان توانمندی‌هایش را توسعه می‌داد تا آینده حرفه‌ای بلندمدتی برای خود بسازد. شرکت‌ها به‌خوبی می‌دانستند که یک کارمند کم‌تجربه ارزش محدودی خلق می‌کند، با این حال، چنین نیروهایی بازوانی کارآمد برای پیشبرد امور بودند و سهم موثری در انجام پروژه‌ها داشتند.

این سازوکار سنتی یک بازی بردبرد به حساب می‌آمد؛ شرکت به نیروی کار مقرون‌به‌صرفه دسترسی داشت و آن را در مسیری درست به کار می‌گرفت، و از سوی دیگر نیروی تازه‌کار نیز فوت‌وفن شغل را می‌آموخت. سرانجام پس از مدتی، کارمند مبتدی به متخصصی باتجربه تبدیل می‌شد و می‌توانست در همان مجموعه ترفیع بگیرد یا به شرکتی دیگر نقل‌مکان کند. این مسیر، الگوی همیشگی و رویکردی منطقی و ثمربخش برای دو طرف بود.

متأسفانه این سنت دیرینه در حال دگرگونی است. اکنون هوش مصنوعی برای انجام انواع وظایف سطح مبتدی به خدمت گرفته می‌شود و حتی در سطوح پیشرفته نیز به کار می‌رود. با این حال، یکی از چالش‌های بزرگ شرکت‌ها این است که هوش مصنوعی هنوز کاملاً قابل اعتماد نیست؛ مدل‌ها گاهی دچار توهم می‌شوند، به این معنا که اطلاعاتی کاملاً خیالی و ساختگی تولید می‌کنند. این نقص بسیار جدی و خطرناک است؛ زیرا هیچ شرکتی نمی‌تواند محصول یا خدماتی مبتنی بر هوش مصنوعی عرضه کند که خطاهای فاحش آن به مشتریان آسیب بزند یا ارزش کل خدمت را زیر سؤال ببرد.

پر کردن خلأ امنیتی و عملکردی

در چنین شرایطی، شرکتی که با اشتیاق به سمت هوش مصنوعی حرکت می‌کند اما می‌داند این فناوری هنوز بی‌نقص نیست، چه راهکاری پیش رو دارد؟

پاسخ کوتاه است: استخدام پرستاران هوش مصنوعی.

در واقع راهکار محبوب این روزها، استخدام کارمندان ارزان‌قیمت تازه‌کار برای ایفای نقش ناظر و پرستار هوش مصنوعی است. به این نیروهای تازه‌وارد عمدتاً آموزش داده می‌شود که چشم از عملکرد هوش مصنوعی برندارند؛ اگر سیستم دچار وقفه یا نقصی شد، آن را اصلاح کنند یا انحراف مدل را به سرپرست خود گزارش دهند.

این اتفاق هم در مشاغل کارگری و عملیاتی رخ می‌دهد و هم در مشاغل اداری و کارشناسی؛ هیچ حوزه‌ای از ضرورت نظارت بر هوش مصنوعی در امان نیست. هر کجا که هوش مصنوعی پیاده‌سازی شود، گزینه به‌کارگیری ناظر انسانی نیز با جدیت بررسی می‌گردد. البته شغلی که هنوز ردپایی از هوش مصنوعی در آن نیست نیازی به ناظر ندارد، اما مشکل اینجاست که تقریباً همه مشاغل هدف‌گذاری شده‌اند تا دیر یا زود به هوش مصنوعی مجهز شوند؛ چراکه شرکت‌ها این فناوری را بهترین راه برای به حداقل رساندن هزینه‌ها و به حداکثر رساندن درآمد می‌دانند.

گونه‌شناسی مراقبت و نظارت بر هوش مصنوعی

می‌توان نقش نظارت بر هوش مصنوعی را به دو دسته کلی تقسیم کرد:

• ۱. نظارت مکانیکی و منفعل: در این حالت، نیروی ناظر عملاً نیازی به تفکر نوآورانه یا درگیری ذهنی عمیق با کار ندارد و صرفاً فرآیندی تکراری و مکانیکی را پیش می‌برد.
• ۲. نظارت هوشیارانه و فعال: در این حالت، ناظر باید کاملاً هوشیار، تیزبین و متمرکز باشد تا بتواند صحت عملکرد و خروجی‌های هوش مصنوعی را به درستی ارزیابی و تضمین کند.

هر مجموعه‌ای که اقدام به استخدام کارمندان تازه‌کار برای نظارت بر سیستم‌های هوشمند می‌کند، باید این تفکیک دوگانه را به درستی درک کند؛ زیرا نادیده گرفتن آن می‌تواند به عدم انطباقی فاجعه‌بار میان نیروی کار و نقش محوله منجر شود.

ایجاد تناسب میان نیروی کار و نقش نظارتی

ابتدا سناریوهایی را بررسی کنیم که تناسب در آن‌ها برقرار است: اگر کاری به نظارتی ساده و مکانیکی نیاز داشته باشد و نیروی تازه‌کار نیز برای همین سطح از نظارت گماشته شود، همه چیز به‌خوبی پیش می‌رود. به همین ترتیب، اگر سیستم به نظارتی تیزبینانه نیاز داشته باشد و کارمندی هوشیار و دقیق در این جایگاه قرار گیرد، امور به درستی هدایت می‌شوند و تناسب لازم برقرار خواهد بود.

چالش اصلی زمانی بروز می‌کند که عدم انطباق رخ دهد. فرض کنید شرکتی به یک ناظر هوشیار و تحلیلگر نیاز دارد، اما فردی را به کار می‌گیرد که صرفاً نگاهی سطحی و منفعلانه به خروجی‌ها دارد. نتیجه روشن است: خطاهای پنهان هوش مصنوعی از زیر دست کارمند درمی‌رود، چراکه او دقت یا تخصص کافی برای کشف اشتباهات پیچیده مدل را ندارد. در پی این اتفاق، هوش مصنوعی بدون اصلاح به خطاهای خود ادامه می‌دهد و سرمایه شرکت برای حقوق کارمندی که از پس مسئولیت برنمی‌آید هدر می‌رود.

حالت برعکس این ناهماهنگی زمانی است که کار نیازمند نظارتی ساده و روتین است، اما شرکتی یک نیروی خلاق و باانگیزه را در آن موقعیت قرار می‌دهد. نکته مثبت این است که چنین کارمندی مسلماً کار را به درستی پیش خواهد برد، اما سوی تلخ ماجرا اینجاست که او خیلی زود از اینکه پتانسیل فکری‌اش هدر می‌رود سرخورده می‌شود. این سرخوردگی ممکن است به بی‌تفاوتی و تحلیل رفتن توان فکری او بینجامد؛ تا جایی که دست از تلاش بکشد و خود را با جریان تکرار وفق دهد. شاید این نتیجه برای مدیران شرکت قابل قبول باشد، اما برای کارمندی که ظرفیت‌های فکری‌اش قربانی روزمرگی شده، سرنوشتی دردناک و ناامیدکننده است.

شرح وظایف روزمره یک ناظر هوش مصنوعی

شاید کنجکاو باشید که یک ناظر یا پرستار هوش مصنوعی دقیقاً در طول روز چه کارهایی انجام می‌دهد. در ادامه تصویری کلی از وظایف این نقش ترسیم می‌کنیم.

تصور کنید شرکتی یک سیستم هوش مصنوعی مولد اختصاصی پیاده کرده که عمده یک وظیفه مشخص را انجام می‌دهد. فرض کنیم این سیستم در ۹۸ درصد مواقع بی‌نقص عمل می‌کند و تنها در ۲ درصد موارد به بیراهه می‌رود. همین ۲ درصد خطا می‌تواند شرکت را با دردسرهای عظیمی روبه‌رو کند؛ خطاهایی که ممکن است به کاربران صدمه بزند، از چارچوب تعریف‌شده خارج شود و پیامدهای سنگین حقوقی و مالی به بار آورد.

برای مهار این ریسک، ناظر هوش مصنوعی استخدام می‌شود. کارمند تازه‌کار وظیفه دارد پیش از آنکه پاسخ‌ها و خروجی‌های مدل به دست مشتری یا کاربر نهایی برسد، آن‌ها را با دقت و به‌شکل پیاپی بررسی کند. این کار به تجزیه‌وتحلیل بسیار سریع نیاز دارد، چراکه ناظر نباید باعث ایجاد تأخیر طولانی در ارسال نتایج به مخاطبان شود.

اگر ناظر متوجه اشتباهی در خروجی شود، باید به شکلی آن را جبران کند؛ یک روش، بازنویسی پرامپت یا تنظیم مجدد پارامترهای سیستم است. راه دیگر، ویرایش دستی متن و ثبت بازخورد اصلاحی برای سیستم است تا مدل متوجه اشتباه خود شود. ساده‌ترین واکنش نیز این است که کارمند هیچ تصمیم مستقلی نگیرد و صرفاً مغایرت را به سرپرست خود گزارش دهد. همین تفاوت در رویکردها است که مرز میان نظارت هوشیارانه و نظارت مکانیکی را مشخص می‌کند.

احساس افتخار در برابر سرخوردگی شغلی

شاید عجیب به نظر برسد، اما یک ناظر هوش مصنوعی می‌تواند به کار خود افتخار کند. این نکته از آن جهت اهمیت دارد که در نگاه اول ممکن است تصور شود چنین نقشی تحقیرآمیز است و فرد شاغل در آن دچار حس فرودستی می‌شود، اما این تصور همیشه درست نیست.

فرض کنید ناظر تشخیص می‌دهد که خروجی اشتباه هوش مصنوعی ممکن است به یک مشتری یا کاربر آسیب برساند؛ با جلوگیری از انتشار این خروجی نادرست، کارمند تازه‌کار در واقع مانع از یک فاجعه احتمالی شده است. در چنین وضعیتی، شرکت آسوده‌خاطر است، مشتری آسیب ندیده و کارمند نیز می‌تواند خرسند باشد که نقشی مثبت در حمایت از انسان‌ها ایفا کرده است.

با وجود این، واقعیت چندان گل‌وبلبل نیست. یک فارغ‌التحصیل دانشگاهی که سال‌ها برای کسب مدرک خود تلاش کرده، احساس می‌کند توانایی‌هایش نادیده گرفته شده و صرفاً به مراقبی برای ماشین تبدیل شده است. علاوه بر این، فرصت‌های پیشرفت در چنین نقشی بسیار محدود است؛ مقصد بعدی چنین فردی کجاست؟ در بهترین حالت، رفتن به شرکتی دیگر در همان جایگاه، یا نظارت بر سیستمی پیچیده‌تر با وظایفی مشابه. این دورنما به هیچ وجه امیدبخش نیست.

دورنمای تاریک برای آینده شغلی جوانان

گسترش نقش «پرستار هوش مصنوعی» پیامدهای اقتصادی و اجتماعی نگران‌کننده‌ای به‌همراه دارد:

• کاهش چشمگیر فرصت‌ها برای ورود به حرفه‌های تخصصی و ارزشمند.
• کم‌اثر شدن مدارک دانشگاهی و از دست رفتن مسیر شفاف کسب تجربه کاری.
• تحمیل بار مسئولیت بر دوش نیروی تازه‌کار، همراه با فشارهای مضاعف هنگام بروز خطا.
• نبود نردبان شغلی مشخص یا ابهام شدید در مسیر ارتقا.
• دسترسی بسیار ناچیز یا ناممکن به برنامه‌های توسعه فردی و آموزش حرفه‌ای.
• کم‌رنگ شدن انگیزه، نشاط کاری و لذت از شغل.

نسل جوان در شرایطی پا به عرصه اشتغال می‌گذارد که نقطه آغاز زندگی کاری‌اش نظارت بر سیستم‌های هوشمند است. این جایگاه، نقطه شروع مناسبی برای ساختن یک مسیر شغلی درخشان نیست، بلکه بیشتر شبیه یک بن‌بست حرفه‌ای است. در الگوهای سنتی، کارمند تازه‌کار با زحمت و یادگیری تدریجی پله‌های ترقی را طی می‌کرد؛ در حالی که برای یک ناظر هوش مصنوعی، چنین چشم‌اندازی وجود ندارد.

در مواردی نادر، ممکن است یک ناظر به جایگاه سرپرستی سایر ناظران برسد که این حداقل فرصتی مدیریتی فراهم می‌کند. احتمال دیگر این است که فرد به کارشناس موضوعی (SME) تبدیل شود و دانش تجربی خود را در اختیار تیم‌های توسعه قرار دهد تا عملکرد مدل بهبود یابد.

واقعیت کنونی جهان کار

دیدگاه خوش‌بینانه‌تر این است که داشتن شغلی با عنوان ناظر هوش مصنوعی، بهتر از بیکاری کامل است. در شرایطی که تیترهای رسانه‌ها از نابودی کامل فرصت‌های شغلی با هوش مصنوعی سخن می‌گویند، شاید پذیرش چنین نقشی انتخاب میان بد و بدتر باشد. بسیاری ترجیح می‌دهند شاغل بمانند، حتی اگر شغلشان صرفاً رسیدگی به ماشین‌ها باشد.

با وجود این، افق پیش رو غبارآلود است. با تکامل بیشتر هوش مصنوعی، نیاز به مراقبان انسانی به‌شدت افت خواهد کرد. اگر میزان خطای مدل‌ها به یک‌هزارم درصد کاهش یابد، شرکت‌ها دیگر نیازی به ارتشی از ناظران نخواهند داشت. توسعه‌دهندگان بزرگ هوش مصنوعی با تمام قوا تلاش می‌کنند احتمال بروز توهم و خطاهای ساختاری را به صفر برسانند؛ در نتیجه، حتی موقعیت شغلی پرستاران هوش مصنوعی نیز عمری موقت و کوتاه‌مدت خواهد داشت.

حفظ روحیه و یافتن مسیرهای پایدار

هدف از این تحلیل ارائه تصویری ناامیدکننده نیست و نباید آرزوهای حرفه‌ای خود را کنار بگذارید. هنوز صنایعی وجود دارند که تا مدت‌ها به سراغ خودکارسازی کامل با هوش مصنوعی نخواهند رفت و ساختار سنتی استادشاگردی و رشد پلکانی را حفظ می‌کنند. درباره نوع فعالیتی که به آن علاقه دارید با وسواس فکر کنید؛ مسیرهایی را برگزینید که در برابر اتوماسیون مقاوم‌تر هستند یا ورود هوش مصنوعی به آن‌ها با موانع اساسی روبه‌رو است. هنوز هم می‌توان با انتخاب مسیری درست، به موفقیت‌های بزرگ دست یافت.

کلام آخر را می‌توان با سخن معروفی از استیو جابز پیوند زد: «تنها راه انجام کارهای بزرگ، دوست داشتن کاری است که انجام می‌دهید.» این جمله در دنیای امروز معنای عمیق‌تری پیدا می‌کند: شغلی را انتخاب کنید که علاوه بر داشتن آینده‌ای روشن و پایدار، به آن عشق بورزید. این فرمول طلایی، مطمئن‌ترین راهنما برای نجات از بن‌بست‌های شغلی عصر هوش مصنوعی است.